論文の概要: Adapt as You Say: Online Interactive Bimanual Skill Adaptation via Human Language Feedback

• arxiv url: http://arxiv.org/abs/2603.26466v1
• Date: Fri, 27 Mar 2026 14:32:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.542538
• Title: Adapt as You Say: Online Interactive Bimanual Skill Adaptation via Human Language Feedback
• Title（参考訳）: Adapt as you say: Human Language Feedbackによるオンライン双方向スキル適応
• Authors: Zhuo Li, Dianxi Li, Tao Teng, Quentin Rouxel, Zhipeng Dong, Dennis Hong, Darwin Caldwell, Fei Chen,
• Abstract要約: BiSAILは、インタラクティブな言語フィードバックを通じて、オフラインで学習したバイマニュアルスキルのゼロショットオンライン適応を可能にするフレームワークである。 BiSAILは、人間のループ適応性、タスクの一般化、クロス・エボディメントのスケーラビリティにおいて、既存の手法を著しく上回っている。
• 参考スコア（独自算出の注目度）: 7.429591758877591
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developing general-purpose robots capable of autonomously operating in human living environments requires the ability to adapt to continuously evolving task conditions. However, adapting high-dimensional coordinated bimanual skills to novel task variations at deployment remains a fundamental challenge. In this work, we present BiSAIL (Bimanual Skill Adaptation via Interactive Language), a novel framework that enables zero-shot online adaptation of offline-learned bimanual skills through interactive language feedback. The key idea of BiSAIL is to adopt a hierarchical reason-then-modulate paradigm, which first infers generalized adaptation objectives from multimodal task variations, and then adapts bimanual motions via diffusion modulation to achieve the inferred objectives. Extensive real-robot experiments across six bimanual tasks and two dual-arm platforms demonstrate that BiSAIL significantly outperforms existing methods in human-in-the-loop adaptability, task generalization and cross-embodiment scalability. This work enables the development of adaptive bimanual assistants that can be flexibly customized by non-expert users via intuitive verbal corrections. Experimental videos and code are available at https://rip4kobe.github.io/BiSAIL/.
• Abstract（参考訳）: 人間の生活環境で自律的に操作できる汎用ロボットの開発には、継続的な進化するタスク条件に適応する能力が必要である。 しかし、高次元協調型バイマニュアルスキルを展開時の新しいタスクのバリエーションに適用することは、依然として根本的な課題である。 本研究では,対話型言語フィードバックを通じて,オフライン学習型バイマニュアルスキルのゼロショットオンライン適応を可能にする新しいフレームワークであるBiSAIL(Bimanual Skill Adaptation via Interactive Language)を提案する。 BiSAILの鍵となる考え方は、まず多モーダルなタスク変動から一般化された適応目標を推定し、次に拡散変調を介してバイマン運動を適用して推定された目的を達成する階層的な理由-テーマ-変調パラダイムを採用することである。 6つのバイマダルタスクと2つのデュアルアームプラットフォームにわたる大規模な実ロボット実験により、BiSAILは、既存の手法であるヒューマン・イン・ザ・ループ・アダプタビリティ、タスクの一般化、クロス・エボディメント・スケーラビリティを著しく上回っていることが示された。 この作業により、直感的な言語修正によって、非熟練者によって柔軟にカスタマイズできる適応的バイマニュアルアシスタントの開発が可能になる。 実験ビデオとコードはhttps://rip4kobe.github.io/BiSAIL/で公開されている。

関連論文リスト

• ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
  LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。 既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。 ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
  論文  参考訳（メタデータ） (2026-02-08T09:27:18Z)
• SkillBlender: Towards Versatile Humanoid Whole-Body Loco-Manipulation via Skill Blending [79.83865372778273]
  SkillBlenderは、多目的なヒューマノイドロコ操作のための新しい階層的強化学習フレームワークである。 SkillBlenderは、まずゴール条件付きタスク非依存のプリミティブスキルを事前訓練し、その後、これらのスキルを動的にブレンドして複雑なロコ操作タスクを達成する。 また,3つのエボディメント,4つのプリミティブスキル,8つの難解なロコ操作タスクを含む並列的,クロスエボディメント,多種多様なシミュレーションベンチマークであるSkillBenchを紹介した。
  論文  参考訳（メタデータ） (2025-06-11T03:24:26Z)
• Efficient Continual Adaptation of Pretrained Robotic Policy with Online Meta-Learned Adapters [0.24106250158920473]
  一般の自律型エージェントには継続的適応が不可欠である。 オンラインメタラーニングアダプタ(OMLA)は、以前に学習したタスクから現在の学習タスクへの知識伝達を容易にする。
  論文  参考訳（メタデータ） (2025-03-24T13:55:47Z)
• AutoPal: Autonomous Adaptation to Users for Personal AI Companionship [41.41280146492634]
  本稿では、パーソナルAIコンパニオンにおける自律的適応の必要性を強調する。 エージェントのペルソナを制御可能かつ真正に調整できる階層型フレームワークであるAutoPalを考案する。 実験はAutoPalの有効性を示し、AIコンパニオンにおける自律的適応性の重要性を強調している。
  論文  参考訳（メタデータ） (2024-06-20T03:02:38Z)
• Adapt On-the-Go: Behavior Modulation for Single-Life Robot Deployment [88.06408322210025]
  展開中のシナリオにオンザフライで適応する問題について検討する。 ROAM(RObust Autonomous Modulation)は,事前学習した行動の知覚値に基づくメカニズムを提案する。 ROAMによりロボットはシミュレーションと実Go1の四足歩行の両方の動的変化に迅速に適応できることを示す。
  論文  参考訳（メタデータ） (2023-11-02T08:22:28Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
  言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。 本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。 この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
  論文  参考訳（メタデータ） (2021-07-20T07:01:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。